94

4.2 Produto Vetorial

Dados dois vetores ~u e ~v no espaço, vamos definir um novo vetor, ortogonal a ~u e ~v , denotado por
~u × ~v (ou ~u ∧ ~v , em outros textos) e denominado produto vetorial de ~u e ~v . Mas antes, precisamos
introduzir o conceito de orientação no espaço.

4.2.1 Orientação geométrica

Orientação sobre uma reta r

Dada uma reta r em que fixamos arbitrariamente um ponto O, temos uma noção imediata de
orientação da reta a partir da escolha de uma das semi-retas determinadas pelo ponto O como
sendo o semi-eixo positivo.
Numa representação geométrica de r na posição horizontal, é usual convencionar como “ori-

entação positiva”a escolha da semi-reta “à direita”do ponto O, que é sua origem.
Escolhendo a outra semi-reta, estarı́amos com “orientação negativa”.
Em linguagem vetorial, a escolha de um vetor diretor ~v da reta r determina automaticamente
o sentido positivo (no sentido do vetor ~v ) e o sentido negativo (no sentido oposto de ~v ) da reta.
Por isso, dizemos que um vetor ~v 6= ~0 determina a orientação de r.

Orientação do plano R2

Consideremos o plano R2 . Dados um ponto O do plano e um par de vetores {~v1 , ~v2 } l.i., todos os
pontos X do plano são dados pela equação vetorial X = O + λ~v1 + µ~v2 , λ, µ ∈ R.
Geometricamente, o ponto O e o vetor ~v1 determinam uma reta r contida no plano, que separa
o plano em dois semi-planos.
Então, considerando os representantes dos vetores ~v1 e ~v2 a partir de O, temos que o represen-
tante de ~v2 determina um único semi-plano que o contém.
 95

O ângulo orientado medido no sentido de ~v1 para

~v2 rio
-h orá ~v2 (dentro do semi-plano) pode ser de duas uma:
anti
o  ou tem sentido horário (acompanhando o mo-
tid
sen r
 vimento dos ponteiros do relógio)
 ~v1
•
 O  ou tem sentido anti-horário.

Na ilustração, {~v1 , ~v2 }, nesta ordem, tem o ângulo orientado no sentido anti-horário.
Convenciona-se que uma base l.i. de geradores do plano tem “orientação positiva”quando o
ângulo orientado no sentido da ordem dos vetores da base tem o sentido anti-horário.
Exemplo 1: A base canônica C = {~ı, ~} do plano cartesiano R2 tem orientação positiva.
Exemplo 2: Vimos anteriormente que dada uma reta r : X = (x0 , y0 ) + t(a, b), t ∈ R,
r
com ~v = (a, b) 6= (0, 0), a direção de uma reta ~v 


perpendicular a r poderia ser dada por w
~1 = 
w~1 
•
(−b, a) ou w
~ 2 = (b, −a) = −w
~ 1.  (x0 , y0 )

 ~v
Os conjuntos B1 = {~v , w
~ 1 } e B2 = {~v , w
~ 1 } for- 


mam ambos bases ortogonais de R2 , porém, B1  •



é base positiva e B2 é base negativa, conforme 
podem ser verificados por meio de ângulos ori- w
~2
entados.

Em geral, em R2 , uma base é positiva se possui a mesma orientação da base canônica C = {~ı, ~}.

~ ~v2 ~v1 ~ı ~v1 ~v2

~ı −~
orientação positiva orientação positiva orientação negativa orientação negativa

Um critério algébrico para checar se a escolha de uma base B = {~v1 , ~v2 } de R2 é positiva ou
negativa, é o critério do determinante, como segue.
Sejam ~v1 = (a, b) e ~v2 = (c, d) dados num sistema de coordenadas cartesianas.
96
 
a b
A matriz A =   cujas linhas são as coordenadas dos vetores, tem determinante não nulo,
c d
já que os vetores são l.i.

Se det(A) > 0 a base B tem a mesma orientação da base canônica do sistema, isto é, tem
orientação positiva. Se det(A) < 0, a base terá orientação negativa.

a b

No exemplo das bases ortogonais, = a2 + b2 > 0 donde a base {~v , w
~ 1 } é positiva e

−b a

a b

= −(a2 + b2 ) < 0, donde a base {~v , w
~ 2 } é negativa.

b −a

Mais geralmente, se (a, b) e (c, d) são as coordenadas dos vetores de uma base B1 dados em
a b

relação a uma base B, a orientação definida por B1 é a mesma orientação definida por B se
>

c d
0.

Orientação geométrica no espaço

Consideremos inicialmente dois vetores ~u e ~v no espaço, linearmente independentes. Fixando ar-

bitrariamente um ponto O no espaço, podemos considerar o plano passando por O e com direções
geradas pelos vetores.

Tal plano determina no espaço dois semi-espaços. Seja w

~ um terceiro vetor, não coplanar com
~u e ~v . A semi-reta positiva considerando O e w
~ determina a escolha de um dos semi-espaços.

O conjunto {~u, ~v , w}
~ nesta situação geométrica forma uma base de vetores do espaço, pois os
vetores são não coplanares.

Essa base {~u, ~v , w}

~ terá orientação positiva se, colocando o observador no semi-espaço escolhido,
a orientação no plano de {~u, ~v } for positiva (ângulo orientado de ~u a ~v no sentido anti-horário). O
observador no outro semi-espaço deve “enxergar”a orientação no sentido anti-horário, pois a base
{~u, ~v , −w}
~ será negativa.
 97

wk
z

u
x w

x u
v

v
y

Na literatura, é muito usada a versão da “regra da mão direita”: abra a sua mão direita,
espalmada, e alinhe o representante do primeiro vetor, digamos ~u, com o dedo indicador. Dobre o
dedo médio, como na figura acima, alinhando com o vetor ~v . O sentido de ~u para ~v fica de acordo
com o fechar da mão. Se o polegar puder ser alinhado com a direção de w,
~ então a base é positiva.
Caso contrário, a base é negativa.

Exemplo 1: A base canônica {~ı, ~, ~k} é uma base com orientação positiva. Assim como as bases
{~, ~k,~ı} e {~k,~ı, ~}

Exemplo 2: As bases {~,~ı, ~k}, {~ı, ~k, ~}, {~k, ~,~i} são bases negativamente orientadas.

Assim como no caso de bases no plano, a orientação da base pode ser obtida pelo determinante
da matriz cujas linhas (ou colunas) são as coordenadas dos vetores. Se o determinado é positivo,
a nova base tem a mesma orientação da base que geraram as coordenadas. Caso contrário, a
orientação é invertida.

Exemplo 3: A base B = {~v1 = (2, 1, 0), ~v2 = (0, 1, 3), ~v3 =

 (−1, 2, 1)}
 , cujos vetores foram dados
2 1 0
 
em relação à base canônica (base positiva), tem a matriz  0 1 3 com determinante −13 < 0.
 
 
−1 2 1
Logo a base B tem orientação negativa. Veja na ilustração os vetores dados, sendo que a figura
à direita representa a vista com o observador na extremidade final do vetor ~v3 que foi visualizada
num ponto.
98

V2

3 V2
3
2.5
V3 2.5

2
2

z 1.5 z 1.5
O –1
1 1
–0.5
0.5 0 0.5
V1
0.5 x O
0 V3
0 1 0
V1
1.5
2 1 y
0 1.5
0.5 1 2 1
1.5 0.5
2 0 2
y x –0.5
–1

Pode-se observar que olhando do semi-espaço determinado pelo vetor ~v3 , a orientação de {~v1~v2 }
no plano por eles definido em O é horária, e portanto, a orientação da base no espaço B é negativa.
Para usar o dedo indicador como ~v1 , o médio como ~v2 e o polegar como ~v3 seria necessário
utilizar a mão esquerda, indicando que a base é negativa.
É claro que o critério algébrico usando determinantes é mais fácil de ser aplicado do que os que
envolvem visualização geométrica, se os vetores da base forem dados em coordenadas. Mas se os
vetores forem dados pela descrição geométrica, pode ser mais fácil usar os critérios geométricos.

4.2.2 Definição geométrica do produto vetorial

Dados dois vetores ~u e ~v no espaço, podemos definir um terceiro vetor, chamado de produto vetorial
de ~u por ~v .
Ao contrário do produto escalar, que resulta num escalar, e pode ser definido em vetores do
espaço e em vetores do plano, o produto vetorial só pode ser definido em vetores do espaço pois
está ligado essencialmente ao conceito de orientação no espaço.
O produto vetorial de ~u por ~v , denotado por ~u × ~v (ou ~u ∧ ~v ) é definido como:

• vetor nulo ~0 se {~u, ~v } for l.d.;

• um vetor não nulo tal que:

 99

i) seu módulo é |~u × ~v | = |~u||~v | sen ∡(~u, ~v )

ii) sua direção é ortogonal a ~u e a ~v (simultaneamente)
iii) o sentido é tal que {~u, ~v , ~u × ~v } é base positivamente orientada do espaço.

Portanto, ~u × ~v 6= ~0 se, e somente se, {~u, ~v } for l.i. e temos mais um critério para verificar se 2
vetores no espaço são l.i.
A condição (2) determina o módulo, a direção e o sentido de ~u × ~v e portanto a definição
caracteriza completamente o vetor.

4.2.3 Propriedades

Pode-se deduzir, a partir da definição geométrica do produto vetorial, as seguintes propriedades:

1. ~u × ~u = ~0, qualquer se seja ~u.

2. ~0 × ~u = ~0, qualquer se seja ~u.

3. ~u × ~v = −~v × ~u (propriedade anti-comutativa)

Por isso, dados ~u, ~v l.i., a base {~u, ~v , ~u × ~v } é positiva e a base {~v , ~u, ~u × ~v } é negativa.

4. (~u + ~v ) × w
~ = ~u × w
~ + ~v × w
~ (propriedade distributiva em relação à soma)

5. (λ~u) × ~v = ~u × (λ~v ) = λ(~u × ~v ) (propriedade linear em relação à multiplicação por escalar).

6. ~u · (~u × ~v ) = 0 e ~v · (~u × ~v ) = 0.

7. Se ~u e ~v são unitários e ortogonais, então {~u, ~v , ~u × ~v } é base ortonormal positiva.

Exceto pela propriedade (4), as demonstrações são simples e ficam a cargo do leitor.
A propriedade (4) será demonstrada mais tarde.
Com base nessas propriedades, podemos deduzir o cálculo do produto vetorial de dois vetores
dados em coordenadas em relação à base canônica.
100

4.2.4 Cálculo do produto vetorial, em coordenadas

Consideremos a base canônica de R3 , C = {~ı = (1, 0, 0), ~ = (0, 1, 0), ~k = (0, 0, 1)}.
Usando a definição de procuto vetorial, temos que:

~ı ×~ı = ~0 ~ ×~ı = −~k ~k ×~ı = ~

~ı × ~ = ~k ~ × ~ = ~0 ~k × ~ = −~ı

~ı × ~k = −~ ~ × ~k = ~ı ~k × ~k = ~0

Confira como exercı́cio que as expressões acima verificam efetivamente as condições da definição.
C sendo uma base de R3 , qualquer vetor ~u se expressa como ~u = a1~ı + a2~ + a3~k. Se ~v =
b1~ı + b2~ + b3~k é outro vetor, o produto vetorial ~u × ~v é expresso em coordenadas. Vamos obter as
coordenadas, estendendo por linearidade, como permitem as propriedades anteriomente citadas:
~u × ~v = (a1~ı + a2~ + a3~k) × (b1~ı + b2~ + b3~k) =
a1 b1 (~ı ×~ı) + a1 b2 (~ı × ~) + a1 b3 (~ı × ~k) +
a2 b1 (~ ×~ı) + a2 b2 (~ × ~) + a2 b3 (~ × ~k) +
a3 b1 (~k ×~ı) + a3 b2 (~k × ~) + a3 b3 (~k × ~k) =
a1 b1 (~0) + a1 b2 (~k) + a1 b3 (−~) +
a2 b1 (−~k) + a2 b2 (~0) + a2 b3 (~ı) +
a3 b1 (~) + a3 b2 (−~ı) + a3 b3 (~0)
Logo, ~u × ~v = (a2 b3 − a3 b2 )~ı − (a1 b3 − a3 b1 )~ + (a1 b2 − a2 b1 )~k, que corresponde ao cálculo do
~ı ~ ~k

a2 a3 a1 a3 a1 a2

~k.

determinante “simbólico” a1 a2 a3 = ~ı − ~ +

b b b1 b3

b1 b2
2 3
b1 b2 b3
Dizemos “simbólico”porque a matriz não é numérica e portanto, apenas a forma de calcular
é que corresponde ao do cálculo do determinante. Esta representação simbólica auxilia apenas o
cálculo de ~u × ~v em coordenadas.

Exemplo: Vamos calcular o produto vetorial de ~u = (1, 2, 3) por ~v = (4, 5, 6):

~
~ı ~ k

2 3 1 3 1 2

~k = (−3, 6, −3)

~u × ~v = 1 2 3 = ~ı − ~ +


5 6

4 6 4 5
4 5 6
 101

4.2.5 Algumas aplicações do produto vetorial

Cálculo de áreas
−−
→
O módulo de ~u × ~v , quando ~u e ~v são l.i. representa a área do paralelogramo ABCD com AB = ~u
−−→
e AD = ~v .
Área(ABCD) = comprimento(AB).h,
D C −−
→
onde comprimento(AB) = |AB| = |~u|.



Sendo θ = ∡(~u, ~v ), temos que h = (comprimento(AD) sen θ,
~v h


−−→
θ
em que comprimento(AD)= |AD| = |~v |.


Logo, Área(ABCD) = |~u||~v | sen θ = |~u × ~v |.
A ~u B
−−→ −→
|AB × AC|
Consequentemente, a área do triângulo ABC pode ser calculado como .
2
Por exemplo, o triângulo ABC onde A = (1, 2, 0), B = (2, 3, 1) e C = (1, 0, 4) tem área dada por
|(1, 1, 1) × (−1, −3, 3)| |(6, −4, −2)| |2(3, −2, −1)| √
= = = 14. A área do paralelogramo ABDC
2 −− → −→ √2 2
onde D = A + AB + AC, é 2 14.

Cálculo da equação geral do plano dado vetorialmente

Seja o plano π : X = A + λ~u + µ~v , λ, µ ∈ R, onde ~u = (a1 , a2 , a3 ), ~v = (b1 , b2 , b3 ) e A = (x0 , y0 , z0 ).

−−→
A equação geral desse plano foi inicialmente calculada fazendo {AX, ~u, ~v } l.d. e portanto

x − x0 y − y0 z − z0


a3 = 0.

a1 a2


b1 b2 b3

a2 a3 a1 a3 a1 a1

Ou seja,

(x − x0 ) −

(y − y0 ) +

(z − z0 ) = 0 é a equação geral do

b2 b3 b1 b3 b1 b2
plano π.  
a2 a3 a1 a3 a1 a1

Mas como 
,−

,
 = ~u × ~v , a equação acima diz que ~u × ~v é

b2 b3 b1 b3 b1 b2
−−→
perpendicular a AX = (x − x0 , y − y0 , z − z0 ) para todo X ∈ π.
−−→
Ou seja, calcular o vetor normal ~u × ~v e obter a equação geral de π fazendo AX · (~u × ~v ) = 0 é
102

x − x0 y − y0 z − z0

−−→
equivalente a impor que {AX, ~u, ~v } é l.d, fazendo a1 a3 = 0.

a2


b1 b2 b3

Exemplo: Se π : X = (1, 2, 0) + λ(2, 1, 3) + µ(0, 2, 3), λ, µ ∈ R é nosso plano, podemos calcular

~ı ~ ~k


~ = (2, 1, 3)×(0, 2, 3) calculando o determinante simbólico 2
w 1 3 = (3−6)~ı−(6−0)~+(4−0)~k =



0 2 3
−3~ı − 6~ + 4~k = (−3, −6, 4).
Então a equação geral do plano π pode ser dada por
−3(x − 1) − 6(y − 2) + 4z = 0.
x − 1 y − 2 z − 0


Esta equação também pode ser obtida fazendo 2 1 3 = 0.



0 2 3

Ortogonalização de bases no espaço

Dada uma base {~u, ~v , w}

~ no espaço, tem situações em que se deseja contruir uma base ortonormal
{~e1 , ~e2 , ~e3 } tal que ~e1 seja colinear com ~u e ~e2 coplanar com ~u e ~v .
u
~
Claro que ~e1 = versor(~u) = |~
u|

Como ~e3 deve ser ortogonal a ~e1 e a ~e2 , e estes são coplanares com ~u e ~v , temos que ~e3 é
ortogonal a ~u e ~v , e portanto, podemos considerar ~e3 como o versor de ~u × ~v .
Tendo ~e1 e ~e3 , podemos escolher ~e2 como sendo ~e3 × ~e1 , se quisermos base positiva. Temos que
~e2 é coplanar com ~u e ~v pois os vetores com essa propriedade são os vetores ortogonais a ~u × ~v que
tem a mesma direção que ~e3 , e ~e2 é ortogonal a ~e3 .
Por exemplo, se ~u = (1, 2, 1), ~v = (1, −1, 2) e w
~ = (−3, 2, 1), teremos:

(1, 2, 1)
• ~e1 = √ ,
6

~ı ~ ~k


• Inicialmente, calculamos ~u × ~v = 1 2 1 = 5~ı − ~ − 3~k = (5, −1, −3).



1 −1 2
(5, −1, −3)
Então ~e3 = √
35
 103

1 1 (5, −8, 11)

• ~e2 = ~e3 × ~e1 = √ √ (5, −1, −3) × (1, 2, 1) = √ .
35 6 210

Este processo NÃO é o Processo de ortogonalização de Gram-Schmidt estudado em Álgebra Li-

near, que obtém o mesmo resultado sem utilizar produtos vetoriais, somente com produtos escalares
e que, por isso mesmo, se estende para outras dimensões.
Lembramos que para obter as coordenadas dos vetores na nova base ortonormal, basta fazer
~v = (v · ~e1 )~e1 + (~v · ~e2 )~e2 + (~v · ~e3 )~e3 .
Além disso, (v · ~ei )~ei é a projeção ortogonal de ~v na direção de ~ei e (v · ~ei )~ei + (~v · ~ej )~ej é a projeção
ortogonal de ~v sobre o plano dado pelos vetores ~ei e ~ej (i, j ∈ {1, 2, 3}). Represente os vetores a
partir de um único ponto A para enxergar a geometria.

4.3 Produto misto e o volume do paralelepı́pedo

Dados 3 vetores ~u, ~v e w,

~ o produto misto desses vetores definido como o escalar (~u × ~v ) · w)
~ e é
denotado por [~u, ~v , w].
~
Se {~u, ~v , w}
~ for base positiva, o produto misto [~u, ~v , w]
~ representa o volume do paralelepı́pedo
de arestas ~u, ~v e w
~ com vértice em um ponto A qualquer do espaço.

De fato:
Vimos que |~u × ~v | representa a área do
~u × ~v paralelogramo da base ABCD,
−
−→ −−→
onde ~u = AB e ~v = AD.
H G
  
Além disso, a altura h é medida pela projeção
 

E F
ortogonal de w
~ sobre ~u × ~v , sendo portanto

h=w
~ cos θ, onde θ = ∡(w,
~ ~u × ~v ).

h ~

w

Então o volume do paralelepı́pedo é

 C
area(ABCD) · h = |~u × ~v ||w|
~ cos θ =

~v D






(~u × ~v ) · w
~ = [~u, ~v , w].
~
A ~u B

Se {~u, ~v , w}
~ for base negativa, o produto misto [~u, ~v , w]
~ é negativo e seu módulo é o volume
104

do paralelepı́pedo. O produto vetorial ~u × ~v estará no semi-plano oposto ao do paralelepı́pedo

ABCDEF GH, em relação à base ABCD formada por ~u e ~v . Observe que {~u, ~v , −w}
~ será base
positiva e o paralelepı́pedo correspondente a ela terá volume [~u, ~v , −w].
~ Este paralelepı́pedo tem o
mesmo volume do anterior. Da propriedade de produto escalar, segue que o volume é −[~u, ~v , w].
~
Portanto, [~u, ~v , w]
~ representa o volume do paralelepı́pedo, a menos de sinal.
Em coordenadas, se ~u = (u1 , u2 , u3 ), ~v = (v1 , v2 , v3 ) e w
~ = (w1 , w2 , w3 ), temos que [~u, ~v , w]
~ é o
determinante da matriz cujas linhas são as coordenadas dos vetores.
De fato,
 
u2 u3 u1 u3 u1 u2

[~u, ~v , w]
~ = (~u × ~v ) · w
~ = 

,−

,

 · (w1 , w2 , w3 ) =

v2 v3 v1 v3 v1 v2

u2 u3 u1 u3 u1 u2

= w1

− w2

+ w3
=

v2 v3 v1 v3 v1 v2

u1 u2 u3


= v1 v2 v3



w1 w2 w3
.
Consequentemente, [~u, ~v , w]
~ = 0 se, somente se, {~u, ~v , w}
~ l.d. Isto generaliza a definição de
volume do paralelepı́pedo por produto misto para paralelepı́pedos degenerados, lembrando que
quando os vetores são l.d., o “paralelepı́pedo”se achata num plano, dando volume nulo.

Exemplo 1: Vamos calcular o volume do paralelepı́pedo ABCDEF GH como na figura anterior,

onde .A = (1, 2, 0), B = (0, 1, 2), D = (1, 1, 3) e E = (2, 3, 5).
−−
→ −−→ −→
Temos ~u = AB = (−1, −1, 2), ~v = AD = (0, −1, 3) e w
~ AE = (1, 1, 5). Assim, o volume do
=
−1 −1 2


paralelepı́pedo é |[~u, ~v , w]|. ~ = 0 −1 3 = 7, tem-se que o volume é 7u3 , onde u
~ Como [~u, ~v , w]



1 1 5
é a unidade de medida utilizada..
Como o produto misto é positivo, temos também que {~u, ~v , w}
~ é uma base positiva no espaço.
1 7
O volume do tetraedro ABDE é V olume(paralelepipedo) =
6 6
 105

4.3.1 Propriedades de determinantes versus procuto escalar

1. Se trocarmos duas linhas de uma matriz entre si, o determinante muda de sinal. Trocando
duas vezes, volta ao original.
Consequentemente, [~u, ~v , w]
~ = −[~v , ~u, w]
~ = −[w,
~ ~v , ~u] = −[~u, w,
~ ~v ] = [~v , w,
~ ~u] = [w,
~ ~u, ~v ].
Isto é equivalente às bases {~u, ~v , w},
~ {~v , w,
~ ~u} e {w,
~ ~u, ~v } terem a mesma orientação, assim
como as bases {~v , ~u, w},
~ {~u, w,
~ ~v } e {w,
~ ~v , ~u}, com orientações contrárias às do primeiro grupo.

Para memorização, veja o esquema da figura abaixo:

~v ~v

w
~ ~u w
~ ~u

{~u, ~v , w},
~ {~v , w,
~ ~u} e {w,
~ ~u, ~v } {~u, w,
~ ~v }, {w~
~ v , ~u} e {~v , ~u, w}
~
no mesmo sentido da seta ◭◮ no sentido da seta ao contrário

2. [~u1 + ~u2 , ~v , w]
~ = [~u1 , ~v , w]
~ + [~u2 , ~v , w],
~ ~u, ~v1 + ~v2 , w]
~ = [~u, ~v1 , w]
~ + [~u, ~v2 , w]
~ e [~u, ~v , w
~1 + w
~ 2] =
[~u, ~v , w
~ 1 ] + [~u, ~v , w
~ 2 ], das propriedades de produto vetorial e escalar (prove!). Isto corresponde
à propriedade dos determinantes que, se uma linha Li [ou coluna Cj ] da matriz pode ser
escrita como uma soma L1i + L2i [ou Ci1 + Ci2 ], o determinante da matriz é uma soma de dois
determinantes,
como no exemplo:

1 2 3 1 2 3 1 2 3


= +
4 + 5 6 + 7 8 + 9 4 6 8 5 7 9



10 11 12 10 11 12 10 11 12

3. A propriedade [λ~u, ~v , w]
~ = [~u, λ~v , w]
~ = [~u, ~v , λw]
~ (prove!), corresponde à propriedade dos
determinantes, de que se multiplicarmos uma linha [ou coluna]de uma matriz quadrada por um
escalar λ, temos que o determinante da nova matriz é λ det A. A propriedade de determinantes
vale para qualquer ordem da matriz.
Consequentemente, se A é uma matriz n × n, det(λA) = λn det A, já que multiplicamos n
linhas por λ.
Geometricamente, se multiplicarmos o comprimento de uma aresta de uma paralelepı́pedo
106

por λ > 0 (ampliação se λ > 1 ou redução se 0 < λ < 1), o volume será multiplicado pelo
mesmo fator λ.

4. [~u, ~v , w]
~ = 0 se dois dos vetores são múltiplos entre si (logo o conjunto é l.d.). Numa matriz
quadrada, se duas linhas [ou colunas] são múltiplas uma da outra, o determinante é 0.
Na verdade, isto é só um caso particular de linhas [ou colunas] l.d., em que uma delas é
combinação linear das outras.
Exercı́cio: Mostre que [~u, ~v , λ~u + µ~v ] = 0.

Observe que a definição da relação entre [~u, ~v , w]

~ e o volume de um paralelepı́pedo não dependeu
de coordenadas. Assim como o fato de que [~u, ~v , w]
~ = [~v , w,
~ ~u] e portanto (~u × ~v ) · w
~ = ~u · (~v × w)
~
(*). Além disso, para o produto escalar já foi visto que (~u + ~v ) · ~a = ~u · ~a + ~v · ~a (**).
Assim, podemos utilizar os fatos acima para demonstrar a propriedade do produto vetorial:
(~u + ~v ) × w
~ = ~u × w
~ + ~v × w.
~
De fato:
Considere uma base ortonormal {~ı, ~, ~k} do espaço. Como os vetores são escritos de maneira única
nesta base, basta mostrar que (~u + ~v ) × w
~ e ~u × w
~ + ~v × w
~ têm as mesmas coordenadas (x, y, z).
Como a base é ortonormal, essas coordenadas de um vetor se expressam em termos de produto
escalar (lembrando que ~v = (~v ·~ı, ~v · ~, ~v · ~k)). Ou seja, basta mostrar que

x = ((~u + ~v ) × w)
~ ·~ı = (~u × w
~ + ~v × w)
~ ·~ı = (~u × w)
~ ·~ı + (~v × w)
~ ·~ı
y = ((~u + ~v ) × w)
~ · ~ = (~u × w
~ + ~v × w)
~ · ~ = (~u × w)
~ · ~ + (~v × w)
~ · ~
~ · ~k = (~u × w
z = ((~u + ~v ) × w) ~ · ~k = (~u × w)
~ + ~v × w) ~ · ~k + (~v × w)
~ ·~.

∗ ∗∗ ∗
Mas x = ((~u + ~v ) × w)
~ ·~ı = (~u + ~v ) · (w
~ ×~ı) = ~u · (w
~ ×~ı) + ~v · (w
~ ×~ı) = (~u × w)
~ ·~ı + (~v × w)
~ ·~ı.
Para y e z é análogo.